在信息化时代,如何从海量数据中挖掘出有价值的信息,已经成为信息科学技术领域的核心研究课题之一。聚类分析作为数据挖掘的一个重要分支,在许多领域得到广泛应用。然而在现实环境中,原始数据在采集、传输以及存储过程中由于各种因素会导致数据的不完整性。传统聚类算法却不能直接聚类不完备数据集,可以说研究不完备数据聚类是聚类分析中一个不可忽视的难题。由于真实数据集中子类的分布往往不均衡,论文主要针对分布不均衡的不完备数据聚类问题进行深入研究。1.论文提出了一种基于密度峰值的不完备数据三支聚类方法。密度峰值聚类是一种高效的聚类方法,但它不能直接聚类不完备数据集,并且当子类分布不均衡时,类簇间的边界样本容易出现错分。论文提出了一种基于密度峰值的不完备数据三支聚类方法,该方法采用半填补策略预处理不完备样本以及构造样本归属度重新归类边界样本。半填补策略可以有效利用低缺失率样本的丰富信息,同时摒弃高缺失率样本补齐后引入的错误信息。利用样本归属度重新归类边界样本可以有效减少边界样本的错分,同时提高聚类准确率。2.论文提出了一种基于距离加权的不完备数据三支模糊聚类方法。模糊C均值聚类算法被广泛应用于不完备数据聚类,但该方法对于分布不均衡类簇的聚类效果不理想,其原因在于最小化代价函数使得每个子类的分布情况都相对均衡,从而导致部分属于大类簇的样本被误分到相邻的小类簇中。为此,论文提出了一种基于距离加权的不完备数据三支模糊聚类方法,通过构造新的代价函数来改善传统模糊C均值算法对分布不均衡类簇的聚类性能,并应用到分布不均衡的不完备数据聚类,同时利用三支决策思想将不确定性样本划分到类簇的边界域。3.在人工合成数据集和UCI公开数据集上进行了详细的实验分析。实验结果表明论文所提的两种不完备数据三支聚类方法可以提高类簇边界样本的错分,同时对不完备样本进行恰当的处理。与其他不完备数据聚类方法相比,论文所提方法的总体聚类结果优于对比方法。